講演抄録/キーワード |
講演名 |
2017-01-21 16:35
DNN音声合成における音響特徴量系列とその時間構造の同時モデル化 ○橋本 佳・大浦圭一郎・南角吉彦・徳田恵一(名工大) SP2016-76 |
抄録 |
(和) |
統計的パラメトリック音声合成では,言語特徴量系列から音響特徴量系列を予測する音響モデルを精度良く学習することが重要な課題である.統計的パラメトリック音声合成の代表的な手法の1 つに隠れマルコフモデル(hidden Markov model; HMM)に基づく音声合成がある.隠れセミマルコフモデル(hidden semi-Markov model; HSMM)と呼ばれる状態継続長分布を持つHMM を用いることで,音響特徴量系列とその時間構造を同時学習することが可能である.一方,近年,ディープニューラルネットワーク(deep neural network; DNN)を音響モデルとして利用することで合成音声の自然性は従来法から大きく改善された.しかし,DNN は入出力特徴量間の一対一の関係をモデル化するため,長さの異なる入出力特徴量系列を直接取り扱うことができず,音声の時間構造を学習することはできない.本稿では,混合密度ネットワークを拡張し,HSMM の構造を導入した新しいDNN に基づく音声合成の枠組みを提案する.提案法はニューラルネットワークの出力からHSMM のパラメータを求めることで,音響特徴量系列とその時間構造の同時学習を実現する.実験結果から,提案法は計算量を大幅に削減しながら,従来のDNN 音声合成と同等の性能を示した. |
(英) |
In statistical parametric speech synthesis, a hidden Markov model (HMM) is widely used as an acoustic model. Recently, deep neural networks (DNNs) are used as acoustic models and DNN-based systems show better performance than HMM-based ones. In the conventional DNN-based speech synthesis, acoustic features are modeled by DNNs. However, duration information is given from other external duration predictors and temporal structures of speech are not considered in training of DNNs. In this paper, we propose a novel DNN-based acoustic model that outputs parameters of hidden semi-Markov models (HSMMs), which is an HMM with explicit duration models. The proposed method can simultaneously model acoustic feature sequences and its temporal structures in a unified framework. Experimental results show that the proposed method can generate natural-sounding speech as achieving a significant computational cost reduction. |
キーワード |
(和) |
音声合成 / ディープニューラルネットワーク / 音響モデル / 継続長モデル / 隠れセミマルコフモデル / / / |
(英) |
speech synthesis / deep neural network / acoustic model / duration model / hidden semi-Markov model / / / |
文献情報 |
信学技報, vol. 116, no. 414, SP2016-76, pp. 71-76, 2017年1月. |
資料番号 |
SP2016-76 |
発行日 |
2017-01-14 (SP) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
SP2016-76 |